EN中文

Tropical Geography >

2024 , Vol. 44 >Issue 8: 1500 - 1512

DOI: https://doi.org/10.13284/j.cnki.rddl.20230643

Spatial-Temporal Patterns and Driving Factors of Population Aging in China at the County Level during 2000-2020

  • Rongwei Wu , 1, 2 ,
  • Houyin Wang 3 ,
  • Yuanxin Wang 3 ,
  • Li Chen , 1
Expand
  • 1. School of Public Administration, Chongqing Technology and Business University, Chongqing 400067, China
  • 2. Center for Population Development and Policy Research, Chongqing Technology and Business University, Chongqing 400067, China
  • 3. School of Law and Sociology, Chongqing Technology and Business University, Chongqing 400067, China

Received date: 2023-08-16

  Revised date: 2023-10-31

  Online published: 2024-08-09

Fold

Abstract

A comprehensive understanding of the distribution pattern and driving factors of population aging at the country level in China is fundamental for enhancing the governance capacity of the governing authorities and implementing a national strategy to actively cope with the aging society. On the basis of the 2000, 2010, and 2020 census data on the Chinese population, we determined the distribution pattern of population aging in China over the past 20 years at the county level and adopted a fractional response model to identify the main influencing factors of such spatial distribution from three perspectives: the natural environment, socioeconomic factors, and population migration. The following observations were made: 1) During the past 20 years, most counties in China have entered into an "aging society," some counties have entered into an "aged society," and counties in the Chengdu-Chongqing region, central Inner Mongolia, and peripheral Yangtze River Delta have entered into a "hyper-aged society." 2) The spatial structure of the distribution of population aging exhibited various patterns. Overall, the Hu Line is a clear demarcation for the distribution, with the degree of aging of the counties in the southeastern half of the line being generally higher than that of the counties in the northwestern half and maintaining a certain degree of stability. During the past 20 years, the aging population has shown a gradient diffusion of the characteristics of the Eastern monsoon region―Northwest arid region―Qinghai-Tibet Plateau region. From a local perspective, population aging presents various structural characteristics, such as "homogenization," "reverse core-edge," and "core-edge" spatial structures. 3) Significant regional differences exist in population aging. Vast differences in population aging between different ecological regions, between urban and rural areas, and between ethnic and non-ethnic autonomous regions are obvious, and these differences tend to expand further. 4) Natural factors have laid the macro pattern of the distribution of population aging. Socioeconomic factors are the main driving force of the aging process, and population migration has played an important role in restructuring the aging space pattern. This study provides a scientific basis for optimization of the spatial allocation of pension resources, and different regions can actively respond to the formulation and improvement of differentiated policies for population aging.

Key words： population aging; Hu Huanyong population line; spatial-temporal patterns; county scale; China

Cite this article

Rongwei Wu , Houyin Wang , Yuanxin Wang , Li Chen . Spatial-Temporal Patterns and Driving Factors of Population Aging in China at the County Level during 2000-2020[J]. Tropical Geography, 2024 , 44(8) : 1500 -1512 . DOI: 10.13284/j.cnki.rddl.20230643

人口老龄化指总人口中老年人口占比增加的过程，通常采用老年人口（≥65岁人口，下同）占总人口的比例衡量（United Nations, 1956）。2000—2020年，中国老龄化率从7.1%增长到13.5%。快速的老龄化引发全社会对于老年人健康、积极老龄化、社会保障体系建设等相关议题的广泛关注。如何实现高效的老龄化社会治理成为当前的重要命题（胡湛 等，2018）。党的二十大报告指出：实施积极应对人口老龄化国家战略，推动实现全体老年人享有基本养老服务（习近平，2022）。然而，由于自然环境、经济发展与社会文化等多方面的差异，中国人口老龄化在空间上呈现显著的非均衡性，这一特征对老龄化社会治理提出极大挑战（王录仓 等，2016a）。清晰刻画人口老龄化分布格局，明确其影响因素，是实现积极应对人口老龄化国家战略的基础性工作，有助于科学地在空间上配置公共资源，因地制宜地制定劳动和社会保障政策，提升老龄化社会的政府治理能力。
人口老龄化时空格局及其影响因素的研究吸引了广泛的关注。从研究尺度看，覆盖了国家级（Li et al., 2019）、省级（王志宝 等，2013）、城市级（赵东霞 等，2017；邬林果 等，2023）、县级（王录仓 等，2016a）以及乡镇街道等（胡述聚 等，2018）。具体而言，在省级尺度，2000年前，中国人口老龄化由沿海地区向中西部地区扩张，2000年后，中西部省份人口老龄化明显加深，东部地区人口老龄化呈现两极分化，区域差异缩小（吴连霞 等，2018）。在城市尺度，人口老龄化程度高的地区，并不都是经济发达的区域，人口老龄化程度低的地区，既分布在青海、新疆与西藏等欠发达的地区，也分布在珠三角等经济发达的地区（于涛方，2013）。县域尺度的研究可刻画老龄化分布的细节特征，受到广泛关注，2000—2010年，人口老龄化分布格局变化明显，高度人口老龄化区域在沿海地带呈现“破碎化”，在内陆地区呈现“连绵化”特征（王录仓 等，2016b）；包头至腾冲是中国县域人口老龄化较为清晰的空间分界线，其东南部老龄化高值县区连片集中，低值县区夹杂其间；西北全域老龄化率普遍较低，仅在北缘横亘一条中值县区连绵带（敖荣军 等，2020）。从影响因素看，已有研究将人口老龄化归因于人口自然变动、人均GDP、城镇化率、医疗卫生条件等（陈明华 等，2014；孔令文 等，2015）。伴随着人口流动活跃性上升，流动人口规模大幅度增加，流动人口具有年轻化、大规模、高强度、在空间上高度集聚的特点（刘涛 等，2015；朱宇 等，2016），势必会影响迁出地与迁入地的人口年龄结构（张航空，2015；陈蓉 等，2018；许昕 等，2020）。此外，县域尺度的研究可将自然要素纳入老龄化成因的分析框架，地形起伏度、温热指数等自然环境会间接影响人口老龄化（敖荣军 等， 2020）。县级行政区处在承上启下的关键环节，是发展经济、保障民生、维护稳定、促进国家长治久安的重要基础，基于县域尺度进行人口老龄化分布格局的分析，不仅可将自然要素和人口迁移流动两大关键因素纳入分析框架，且有利于养老资源配置与相关社会保障政策的实施。
尽管已有学者揭示了中国人口老龄化的时空格局并识别其影响因素，但既有研究存在3点局限之处。首先，受人口普查数据发布周期影响，研究时段集中在2010年之前，时效性相对不足；2010—2020年是人口老龄化快速深化的10年，需拓展研究时段。其次，基于人口普查数据进行空间格局分析，尤其是涉及流动人口时，县市尺度是最适宜的尺度，鲜有研究在县域尺度上从流入和流出2个视角识别流动人口对人口老龄化的影响。最后，老龄化率是介于0~1的比例数据，采用传统的线性回归分析方法会得到有偏的估计结果，而分数响应模型（Fractional Response Model, FRM）可有效解决因变量取值介于0~1的问题，是分析老龄化影响因素的更优选择（Papke and Wooldridge, 2008）。
因此，本文基于3次全国人口普查分县数据，刻画2000—2020年中国县域人口老龄化的时空格局，并采用分数响应模型，从自然环境、社会经济要素和人口迁移3个维度识别老龄化水平分布格局的主要影响因素。以期为积极应对人口老龄化国家战略相关政策的制定提供借鉴。

1 数据来源与研究方法

1.1　数据来源

人口统计数据。根据历次人口普查国家统计局和地方统计局发布的各类人口普查资料，系统汇编中国县级行政区（以下简称“县域”）人口老龄化数据库。2000、2010、2020年数据来源于3次人口普查分县数据资料。由于数据缺失，本研究不包括港澳台地区，也不包括新疆维吾尔自治区直辖的部分县市。
社会经济与自然要素数据。根据《中国区域经济统计年鉴》（国家统计局国民经济综合统计司，2001—2015）、《中国县域统计年鉴》（国家统计局农村社会经济调查司，2001—2021）、《中国城市统计年鉴》（国家统计局城市社会经济调查司，2001—2021）及部分省份的统计资料，搜集2000、2010、2020年县市的各类社会经济数据。自然要素数据中平均海拔数据从数字高程模型（Digital Elevation Model, DEM）中提取。1月份和7月份多年平均气温（TEM）、植被指数（Normalized Difference Vegetation Index, NDVI）原始数据均来源于中国科学院资源环境科学数据中心 1。
地理信息空间数据。在分析人口老龄化分布格局时，为更好呈现当年老龄化分布特征，还原2000、2010、2020年的矢量地图。在分析人口老龄化变动时，为保持数据的可比性，对发生区划变更的行政区，进行合并处理。合并原则为，参考民政部每年发布的县级及以上区划变更，对任意2个年份发生区划变更的县级行政区同时进行数据与区划的融合。

1.2　研究方法

1.2.1　流入系数和流出系数的基本测度

流入系数与流出系数可从流入和流出2个视角反映各县市流动人口活跃程度。根据戚伟等（2017）提出人口流动核算方法，计算各县域的流入系数和流出系数：
I R i = P i - L i L i
O R i = H i - L i L i
式中：i为所在县市；IR i 和OR i 分别是流入系数和流出系数；Pi 和Hi 分别是某县市常住人口与户籍人口；Li 为某县市本地常住人口。

1.2.2　分数响应回归模型

人口老龄化率是典型的比例型数据，数值始终介于0~1，直接采用OLS回归会得到有偏的估计结果；FRM允许样本误差存在序列相关和自相关性，且不允许老龄化值分布在0~1之外（Papke and Wooldridge, 2008），符合本研究的实际情况。采用分数响应模型分析人口老龄化的驱动因素。模型的具体形式为（冷晨昕 等，2021）：
E y i x i = G x i β + α i
式中：i代表县域；yi 代表各县域2000、2010、2020年老龄化率；G（w）=exp（w）/［1+exp（w）］，表示定义域为全体实数，值域为（0，1）的概率分布函数；xi 代表选取的影响因素；β为待估计参数；αi 代表不可观测的个体差异。

1.2.3　老龄化形成原因分析

“第一次人口转变”理论指出，封闭情境下，区域人口老龄化直接决定于长时期生育率和死亡率的变动，现时的生育和死亡水平对当前老龄化的影响较小（原新 等，2009）。传统社会的风俗道德、婚姻制度及家庭组织等社会经济环境，都要求维持高生育率以应对高死亡率，保证人类繁衍。随着死亡率下降，维持高生育率的必要性逐步消失，城市化和经济发展消解了原本以集体和大家庭为基础的生活方式，成为生育转变的关键性因素（宋健 等，2021）。近年来，中国逐步发生“第二次人口转变”，受现代化与个体主义的影响，结婚与同居等更加个体化的家庭行为正发生剧烈变化，男性与女性都不断推迟进入婚姻的时间，且不婚率也略有上升（於嘉 等，2019）。受教育水平在第二次人口转变中起重要作用，受教育程度较高的妇女通常了解更多的避孕方法，可通过避孕降低生育率；受教育程度同样对结婚年龄推迟、婚前性行为等有重要影响。此外，新家庭经济学理论认为教育水平上升会使家庭或个人更重视孩子质量，对孩子数量产生一定的挤出效应（Becker et al., 2010）。抚育儿童占用妇女参与其他活动的时间，受教育程度高的妇女成为母亲将面临更高的机会成本，为避免生育造成工资损失并对职业发展产生不利影响，减少生育子女数量（周晓蒙 等，2022）。就预期寿命而言，极端气候、海拔高度等对外生死亡有重要影响（李婷，2019），经济发展会逐步改善幼儿和青少年健康状况及各类免疫覆盖程度等，从而影响预期寿命（符宁 等，2020）。此外，教育对预期寿命有直接影响（如卫生知识的传播），也可以通过收入、就业和生活条件等间接作用于预期寿命。而公共卫生可以通过社会、组织、社区及个人有组织的努力和知情的选择预防疾病、延长生命和促进健康（张震，2022）。现实图景下，几乎不存在人口封闭的区域，持续活跃的迁移流动已成为影响区域人口结构的关键因素（刘涛 等，2022），这主要是源于以收入和就业为目标的人口流动具有显著的年龄选择性（周皓，2023）。综上，可将人口老龄化的成因划分为直接因素与间接因素。直接因素指人口系统内直接引起年龄结构变动的因素，即生育率、人口预期寿命和人口迁移流动；间接因素通过作用于直接因素，进而影响区域人口老龄化。基于县域尺度数据的可获得性，构建人口老龄化分布格局影响因素的分析框架（图1）。具体而言，直接因素中，选取15~50岁妇女终身平均存活子女数作为生育率的表征；选取流入系数、流出系数作为人口流动的代理指标。间接因素中，采用人均GDP代表经济发展水平，城镇人口比重衡量城镇化。选取人均受教育年限、千人医院卫生院床位数作为社会因素、医疗卫生条件的指标。选取平均海拔、1月和7月的平均温差、植被覆盖度（NDVI）作为衡量自然因素的指标。
图1 县域尺度老龄化形成机制分析框架

Fig.1 Analysis framework of population aging's formation mechanism at county-scale

2 人口老龄化时空格局

2.1　人口老龄化的时空格局演变

依据联合国人口年龄结构类型的划分标准：老年人口占比＜4%为年轻型社会，4%~7%为成年型社会，＞7%为老年型社会。世界卫生组织定义：老年人口占比达7%时，为“老龄化社会”（Aging society），达到14%为“老龄社会”（Aged society），达到20%时为“超老龄社会”（Hyper-aged society）（OECD, 2020）。在此基础上，结合2000、2010和2020年县域人口老龄化数据，绘制人口老龄化空间分布（图2），并统计县域老龄化类型变化（表1）。可以发现：
图2 2000、2010和2020年中国人口老龄化类型分布

注：基于自然资源部标准地图服务系统审图号为GS（2023）2763的标准地图制作，底图无修改。图3同。

Fig.2 Distribution of population aging types of China in 2000, 2010, and 2020

表1 2000—2020年全国县域老龄化类型变化 (个)

Table 1 The changes of the population aging types in China at the county level during 2000-2020

老龄化类型（占比/%） 2000年 2010年 2020年
年轻型社会（0，4］ 113 27 14
成年型社会（4，7］ 1 325 477 149
老龄化社会（7，14］ 1 110 2 019 1 110
老龄社会（14，20］ 4 29 1 108
超老龄社会（20，100］ 0 0 171
1）胡焕庸线是人口老龄化分布的显著分界线，胡焕庸线东南半壁县域老龄化程度高于西北半壁县域，且保持一定的稳定性。2000年，全国仅4个县域步入老龄社会，均位于胡焕庸线东南半壁；步入老龄化社会的县域共1 110个，仅13个位于胡焕庸线西北半壁；步入成年型社会的县域共计1 325个，其中1 003个县域位于胡焕庸线东南半壁；而年轻型县域共有113个，其中79个位于胡焕庸线西北半壁。2010年，29个县域步入老龄社会，仅1个县域位于胡焕庸线西北半壁；整体而言，胡焕庸线东南半壁以老龄化社会为主，西北半壁老龄化社会和成年型社会并存。2020年，首次有县域步入超老龄社会，共171个县域单元，其中有3个位于胡焕庸线西北半壁，人口老龄化最高的县域为如东县，达到29.9%；1 108个县域步入老龄社会，位于西北半壁的仅47个；胡焕庸线东南半壁总体以超老龄社会、老龄社会、老龄化社会为主，胡焕庸线西北半壁总体以老龄化社会、成年型社会为主。
2）人口老龄化总体呈现以东部季风区—西北干旱区—青藏高寒区梯度扩散的特征。2000年，县域总体以成年型和老龄化社会为主，2010年，老龄化社会县域单元数量增长近1倍，2020年，县域总体呈现以老龄社会和老龄化社会为主。从空间扩散模式看，老龄化呈现由东部季风区―西北干旱区―青藏高寒区梯度推移扩散的现象。大量步入超老龄社会、老龄社会、老龄化社会的县域，首先出现于东部季风区，随后扩散至河西走廊、天山北坡等西北干旱区，2020年，青藏高寒区逐步出现老龄化社会县域。
3）人口老龄化呈现“均质化”“逆核心―边缘”“核心―边缘”等多样的空间结构特征。青藏高寒区人口老龄化差异较小，空间分布呈现“均质化”的特征。2000年西藏自治区没有县域步入老龄化社会，2020年也仅有13个县域进入老龄化社会，约占总县域数的17.8%。受严酷自然条件影响，青藏高寒区人均预期寿命相对较低，老龄化程度低。而经济相对发达地区，老龄化呈现城市中心城区低，周边县域高的“逆核心―边缘”空间结构，以胡焕庸线东南半壁发达地区最为典型。如合肥市、厦门市中心城区是安徽省、福建省老龄化程度最低的县域单元。由于不同年龄流动人口区位选择的偏好性，“逆核心―边缘”空间结构普遍存在。与此同时，在流动人口活跃性较低的区域，人口老龄化通常呈现“核心―边缘”空间结构，即中心城区老龄化程度较高，周围县域老龄化程度较低。典型区域如海东市乐都区老龄化程度远高于周边县域单元，这是由于流动人口数量较少，不足以影响区域老龄化进程，中心城区医疗资源相对丰富，人口预期寿命较高，老龄化程度较深。
4）成渝地区、东北地区、长三角外围、山东省、湖北省与湖南省是老龄化热点地区。成渝地区、东北地区、山东省、湖北省与湖南省几乎全域进入老龄社会。2020年，全国步入超老龄社会的县域增长到171个，其中有50个县域位于成渝地区。属于老龄社会的县域达到1 108个，其中，东北地区215个县域进入老龄社会，湖南、湖北两省125个县域步入老龄社会，成渝地区89个县域步入老龄社会。

2.2　人口老龄化速度空间分异

依据Rogers和Woodward（1992）构建的测定人口老龄化过程的指标，基于自然断点法，绘制中国县域人口老龄化速度空间分异（图3）。可以发现：
图3 中国县域老年人口比例年均增长率空间分布

Fig.3 Spatial distribution of the average annual growth rate of the population aging in China at the county level

1）东北地区人口老龄化迅速加深，高速老龄化从沿边地区近乎扩散至东北全域。2000—2010年，东北地区主要表现为沿边地区人口老龄化速度较快，辽宁、吉林非沿边县域人口老龄化速度相对较慢；2010—2020年，东北地区、内蒙古东北部成为人口老龄化“高速增长”“较高速增长”最集中分布区。全国共166个县域人口老龄化速度呈现“高速增长”，其中“黑吉辽”3省共89个县域呈现“高速增长”，占比超过全国的一半。原因主要有，其一，东北地区生育率普遍较低，七普数据显示2020年黑龙江、吉林和辽宁总和生育率分别为0.76、0.88和0.92，位居全国倒数。其二，2010—2020年，东北地区普遍经历了人口流失，东北地区263个县域中，人口减少的县域达到214个，占比超过80%，大量年轻人口流出加速了东北地区人口老龄化进程。
2）成渝地区、甘肃河西地区以及天山北坡地区人口老龄化速度趋缓。2000—2010年，成渝地区、甘肃河西地区、天山北坡地区多数县域人口老龄化呈现高速、较高速增长。2010—2020年，上述地区人口老龄化速度多呈现为中速、较低速。这类转变与区域人口流动有重要关联。以重庆为例，2010—2020年，人口占全国比例由2.15%增至2.27%，大量流出人口的减少和回流人口的增加，使得成渝地区人口老龄化速度相对降低。
3）人口老龄化呈现“较低速增长”“低速增长”的县域空间分布范围较广。此类型县域既分布于黄淮海平原、东部沿海地区，也分布于南疆以及青藏高原地区。人口老龄化“负增长”县域主要分布在三大直辖市、省会城市市辖区，如上海市共10个、天津市与北京市共8个市辖区人口老龄化负增长。2类地区人口老龄化低速增长的成因并不一致。青藏高寒区主要在于年龄结构持续偏年轻化，极端自然条件与较差的医疗卫生条件使得人口平均预期寿命较低，加之少数民族人口相对集中，得益于较为宽松的生育政策，生育率相对较高。东部沿海地区人口老龄化低速增长的原因主要在于吸引了大量以劳动年龄为主体的人口流入，而经济较发达地区高额的生活成本和房价，导致这类群体暂时性停留又流出（邬林果 等，2024），年轻劳动力不断更替，致使东部沿海地区人口老龄化增长速度缓慢。

3 人口老龄化的区域差异

3.1　地域差异

人口老龄化具有显著的地域差异，传统的东、中、西三大地区分类无法反映人口老龄化的现实图景。基于谢高地等（2012）提出的生态区划方案，对人口老龄化地域差异进行分析（表2）。可以发现，内蒙古高原生态地区、黄土高原生态地区、华北生态地区人口老龄化程度与全国水平相当。其他区域特点为：
表2 11类生态地区间人口老龄化程度比较分析

Table 2 Comparison of population aging in 11 ecoregions

生态地区 老龄化/% 变异系数
2000年 2010年 2020年 2000年 2010年 2020年
东北生态地区 6.37 8.91 16.03 0.255 8 0.231 0 0.159 4
华北生态地区 7.63 9.06 14.25 0.159 3 0.171 1 0.179 5
内蒙古高原生态地区 5.88 7.77 12.50 0.263 8 0.296 1 0.383 1
西北干旱生态地区 4.62 6.64 8.45 0.188 0 0.287 9 0.350 1
黄土高原生态地区 5.90 7.95 13.03 0.203 2 0.173 6 0.205 6
川渝生态地区 7.55 10.65 16.21 0.166 3 0.186 8 0.216 6
长江中下游生态地区 8.06 9.98 15.23 0.247 6 0.231 3 0.234 5
华南生态地区 6.89 8.09 10.96 0.200 6 0.212 4 0.214 2
云贵高原生态地区 5.94 7.94 10.88 0.192 0 0.181 1 0.221 6
青藏高原高寒生态地区 4.24 5.15 6.43 0.221 1 0.244 8 0.310 6
横断山区生态地区 5.70 6.83 9.02 0.144 7 0.202 9 0.318 8
自然要素塑造了人口老龄化分布的基本格局，主要体现在：2020年，青藏高原高寒生态地区、西北干旱生态地区、横断山区生态地区老龄化程度均低于10%。上述特征清晰地呈现中国三大地带自然要素对人口老龄化的影响。三大生态地区，自然条件严酷，虽然人口健康水平有了极大的提升，但仍低于全国平均水平，与此同时，生育率保持相对较高的水平，两者共同作用使得三大生态地区人口老龄化水平相对较低。2020年，西藏、青海、甘肃、宁夏人均预期寿命分别为71.1、73.96、73.92、76.2岁，均低于全国平均水平（77.3岁），生育率分别为1.93、1.59、1.68、1.67，均位于全国前列。
东北生态地区、川渝生态地区、长江中下游生态地区人口老龄化水平处于较高水平。东北生态地区是人口老龄化最快速的区域，原因在于人口结构的快速转型与劳动年龄人口的流出（赵东霞 等，2018）。川渝地区、长江中下游地区包含中国传统的劳务输出大省安徽、湖南、四川等，2020年，上述省份净迁出人口分别为1 030.09万、651.10万和714.10万人，占户籍人口的14.44%、8.92%、7.86%。大量人口外出务工，提升了区域的人口老龄化程度。
华南生态地区老龄化水平低于全国平均水平。这主要源于华南生态地区对流动人口的大规模吸引，2020年，华南生态地区的主体，广东省净流入人口占常住人口的比例达到22.16%，大规模的流入人口，改变了原本的人口结构转型进程，老龄化速度趋缓。

3.2　城乡差异

2000—2020年，人口老龄化呈现典型的“城乡倒置”，且不断加深。2000、2010、2020年城镇人口老龄化比乡村人口老龄化分别低1.08、2.26、6.58个百分点；城区人口老龄化程度比县域分别低0.26、0.92、4.65个百分点。城乡间的医疗卫生条件、收入水平和社会保障制度都存在显著差异。一般认为，城镇地区医疗卫生条件相对较好，人均预期寿命较高，加之生育观念率先转变，生育率较低，城镇地区人口老龄化程度往往高于乡村地区（林宝，2018）。随着城镇化的推进，大量农村劳动力流向城镇，大规模、高强度、年轻化的劳动力流动重塑了人口老龄化的城乡分布格局，加速了乡村老龄化，延缓了城镇地区人口老龄化进程。城乡间人口老龄化程度因此发生转变（表3）。
表3 中国城镇与乡村地区人口老龄化程度比较

Table 3 Comparison of population aging in urban and rural areas of China

年份 分类 老年人/万人 总人口/万人 老龄化/%
2000 城镇 2 946.52 45 877.10 6.42
乡村 5 880.88 78 384.12 7.50
城区 2 310.55 33 426.36 6.91
县域 6 516.85 90 834.87 7.17
2010 城镇 5 225.42 67 000.55 7.80
乡村 6 667.29 66 280.53 10.06
城区 3 472.98 41 887.05 8.29
县域 8 419.72 91 389.32 9.21
2020 城镇 10 028.24 89 999.12 11.14
乡村 9 035.29 50 978.76 17.72
城区 6 193.62 57 517.08 10.77
县域 12 869.90 83 460.78 15.42

3.3　民族地区与非民族地区差异

根据中国国家民族事务委员会公布的民族自治地方名单，将县域分成民族自治地方与非民族自治地方，并分析其老龄化的区域差异（表4）。
表4 中国民族自治地区与非民族自治地区人口老龄化程度比较

Table 4 Comparison of population aging in ethnic minority autonomous regions and other regions of China

年份 地区分类 总人口 老龄人口

老龄化

程度/%

数量/万人 占全国比例/% 数量/万人 占全国比例/%
2000 民族自治区 9 359.55 7.67 571.25 6.59 6.10
其他地区 112 736.41 92.33 8 100.75 93.41 7.19
2010 民族自治区 10 149.22 7.76 806.75 6.91 7.95
其他地区 120 617.82 92.24 10 881.59 93.09 9.02
2020 民族自治区 11 981.97 7.83 1 207.81 6.36 10.99
其他地区 129 313.90 92.17 17 770.46 93.64 13.74
民族自治地区老龄化程度低于非民族地区，且两者差距有所扩大。2000、2010、2020年民族自治地区人口老龄化程度比非民族自治地区低1.09、1.07、2.75个百分点。受社会经济发展、文化观念和生育政策等多方面差异影响，少数民族整体尚处于高出生率、低死亡率、高自然增长率的人口转变后期阶段（段成荣 等，2021）。2020年，少数民族15~64岁妇女平均存活子女数（1.42个）高于汉族（1.28个）。同时，少数民族人口平均预期寿命快速增长，但仍略低于汉族。在此背景下，相对较低的老龄化水平为民族地区发挥人口红利，进行产业转型发展提供有力支撑。

4 中国县域人口老龄化的驱动因素分析

分别采用经典的多元线性回归模型和分数响应回归模型，识别人口老龄化空间分布的驱动因素。由于自变量中所有变量均为连续变量，采用Probit分布下的分数响应回归模型（表5）。总体上，FRM模型的AIC（Akaike Information Criterion）与BIC（Bayesian Information Criterion）均远低于传统的多元线性回归，构建的模型分析效果良好。3个年份绝大多数变量通过1%水平的显著性检验，可解释人口老龄化的成因。具体而言：
表5 模型估计结果

Table 5 Results of regression model

变量 OLS FRM
2000年 2010年 2020年 2000年 2010年 2020年
人均GDP 0.004***（-7.26） 0.002***（-3.19） 0.011***（-6.79） 0.036***（-8.62） 0.018***（-4.47） 0.056***（8.20）
城镇化水平 -0.029***（-16.03） -0.029***（-9.80） -0.068***（-10.80） -0.185***（-13.05） -0.136***（-7.32） -0.164***（-5.76）
千人卫生院床位数 -0.001（-0.78） 0.003***（-3.47） 0.010***（-4.84） -0.009*（-1.91） 0.015***（-2.98） 0.013（1.52）
受教育年限 0.008***（-6.52） 0.019***（-8.21） 0.047***（-6.58） 0.072***（-7.58） 0.151***（-9.75） 0.353***（10.96）
平均海拔 -0.003***（-15.39） -0.003***（-13.17） -0.006***（-13.95） -0.021***（-14.99） -0.017***（-12.68） -0.025***（-13.36）
1月与7月温差 -0.011***（-15.14） -0.012***（-12.14） 0.018***（-9.52） -0.096***（-18.23） -0.084***（-14.18） 0.052***（6.09）
NDVI 0.013***（-6.66） 0.027***（-11.51） 0.085***（-18.90） 0.093***（-6.17） 0.187***（-12.38） 0.375***（17.66）
流入率 -0.031***（-17.88） -0.043***（-20.88） -0.040***（-15.48） -0.542***（-17.37） -0.418***（-20.53） -0.502***（-22.57）
流出率 0.056***（-15.91） 0.097***（-36.33） 0.022***（-11.02） 0.399***（-15.75） 0.593***（-37.61） 0.091***（12.45）
生育状况 -0.038***（-19.61） -0.066***（-23.62） -0.074***（-17.06） -0.320***（-21.44） -0.417***（-24.27） -0.365***（-18.95）
常数项 0.117***（-31.01） 0.102***（-17.24） -0.02（-1.23） -1.088***（-37.10） -1.321***（-34.76） -2.006***（-27.51）
AIC -142 40.69 -12 951.48 -9 359.444 -14 399.98 -13 128.88 -9 647.582
BIC -14 177.35 -12 888.39 -9 296.937 -14 330.88 -13 060.05 -9 579.393

注：括号中为z统计量；*、**、***分别表示通过10%、5%、1%的显著性水平检验。

1）自然环境奠定人口老龄化分布的基本格局。平均海拔高度越低，NDVI越高，温差越大，老龄化程度越高。自然环境一般通过影响外生死亡降低老龄化率，如高寒气候条件对人类身体机能有重要影响，高海拔降低人口预期寿命（王青 等，2004）。NDVI与老龄化呈正相关，绿化暴露可促进居民的身体健康与心理健康，有助于预期寿命增长（Browning et al., 2022）。温差对老龄化作用方向发生变化，2000—2010年，温差越高，老龄化程度越低，这是由于老年人对极端气温的适应性差，人口普查数据显示，2月份是老年人死亡数最多的月份。2020年，温差与老龄化程度呈正相关，这可能是由于收入水平的提高，空调等调节室内气温设施的不断应用，使得温差对健康的不利影响下降。
2）经济因素促进人口老龄化进程。人均GDP与老龄化率呈现显著正相关。第一次人口转变理论指出，经济社会发展推动人口再生产类型向“低生育、低死亡、低自然增长”现代模式转换的历史过程中，必然会经历人口老龄化。城镇化率与人口老龄化呈现负相关。人力资本理论认为，年轻人可通过迁移投资获得较长的收入流，因此他们在人生的转折点上迁移倾向较高，农村居民在当地就业机会不足，经济性迁移是其主导原因（唐家龙 等，2007）。工作与就业导向的城乡迁移具有典型的年龄选择性，从而使得城镇化水平与人口老龄化呈负相关。这也从侧面验证人口老龄化城乡倒置现象的普遍性（张伟，2021）。
3）社会因素对老龄化作用逐步加强。人均受教育年限的提高显著促进人口老龄化。不同受教育程度育龄妇女生育水平梯度差距明显，受教育程度越高，生育多孩的比例大幅度减少（张丽萍 等，2020）。教育从多方面影响人口转型，伴随着社会发展，女性的受教育水平不断增加，相当一部分年轻女性不想较早进入婚姻生活，而是更期待在事业上有所成就。即使是已婚女性，考虑到母亲身份与工作的冲突，往往不会立刻生育子女。这些变化带来女性初婚、初育时间的推迟，二胎及多胎时间窗口缩短，从而降低生育水平。教育对改善健康同样有直接影响，受教育水平更高，可以了解更多卫生知识、健康常识等，提升预期寿命。除2010年外，千人医院卫生院床位数与老龄化相关性虽不显著，但呈现正相关。可能的原因是，由于数据受限，无法获取更具代表性的医疗设施与卫生人员数据，其没有通过显著性检验。
4）人口迁移重塑人口老龄化分布格局。3个时期，人口流入与老龄化呈现显著负相关，流出与老龄化呈现显著正相关。无论是流量流动人口、还是全部流动人口，都表现出较高的年龄选择性（周皓，2023）。2000、2010和2020年，流动人口中劳动年龄人口占比分别为87%、85%和79%。大规模的人口迁移加速了人口流出区域的老龄化进程，延缓了人口流入区域的老龄化进程（刘涛 等，2022）。在中国迁移人口不断增加、并具有较高年龄选择性的背景下，迁移因子成为重塑人口老龄化空间分布格局的重要力量。
5）生育因子与人口老龄化呈显著负相关。3个时期，育龄妇女平均存活子女数越少，老龄化率越高。这是由于出生人口越少，少儿人口所占比例越低，老龄化越高。生育是改变人口年龄结构最直接的因素，生育率的降低促进人口年龄结构转型。
除上述变量外，一些无法准确量化的制度、文化因素同样影响区域的老龄化，如人才政策、户籍管理制度等。伴随着中国人口年龄结构与经济发展转型，人才成为提升区域竞争力优势的核心要素。当前，各地方政府出台各类人才政策，旨在为青年流动人才取得当地户籍提供途径，并为其在当地安家落户提供一定的物质保障。陈新明等（2020）梳理主要城市人才政策后发现，城市的落户门槛主要涉及年龄（≤45岁）和学历（本科或专科以上）。城市出台人才政策（购房补贴、创业补贴等）会增强户籍流动人口的落户意愿，人才政策对二线及以下城市流动人口落户决策的影响具有明显的正效应（二线最强、三线次之、四线及以下最弱），对一线城市的作用不明显（陈淑云 等，2022）。主要基于学历和年龄标准的人才政策等制度类因素会作用于不同年龄人群的迁移与定居决策过程，从而间接影响县域的人口老龄化。

5 结论与讨论

5.1　结论

本文从县域尺度出发，基于3次人口普查数据，刻画了人口老龄化的分布格局与区域差异，采用分数响应回归模型，揭示了人口老龄化空间分布格局的影响因素。结果表明：
1）20年间，除青藏高寒区、南疆地区外，中国县域整体步入“老龄化社会”，部分县域步入“老龄社会”，少数县域步入“超老龄社会”。
2）人口老龄化空间结构模式多样。总体上，胡焕庸线是人口老龄化的明显分界线，胡焕庸线东南半壁县域老龄化程度高于西北半壁县域，且保持了一定的稳定性。人口老龄化进程总体呈现东部季风区－西北干旱区－青藏高寒区梯度扩散的特征；局部看，人口老龄化呈现“均质化”“逆核心－边缘”“核心－边缘”等多样的空间结构特征；成渝地区、东北地区、长三角外围、山东省、湖北省与湖南省等区域是人口老龄化热点地区。
3）人口老龄化存在显著的区域差异。不同生态大区之间、城乡之间、民族与非民族自治地区之间，老龄化均存在较大差异，且这种差异有进一步扩大的趋势。
4）自然环境奠定了人口老龄化的基本分布格局，社会经济要素是推动人口老龄化进程的主要动力，人口迁移流动重塑了社会经济要素作用机制形成的人口老龄化分布格局。

5.2　讨论

2010—2020年，中国人口老龄化率上升4.60个百分点，是老龄化最快的10年，但人口老龄化进程在空间上并不同步，存在较大区域差异。与此同时，流动人口规模不断增长，持续活跃的迁移流动已成为影响区域人口结构的关键因素（刘涛 等，2022）。但流动人口数据核算具有地理流数据的可塑性面积单元问题，即在分析空间尺度人口流时，需剔除更小尺度空间单元之间的流。如核算地级行政区尺度流动人口时需剔除地级行政区内流动人口，核算县市尺度流动人口需剔除各县市内部流动人口。由于数据统计的原因，在地级行政区尺度汇总流入人口数据时，无法剔除地级行政区内部流动人口。这使得在基于人口普查数据进行细致空间格局分析，尤其是涉及流动人口时，县市尺度成为最适宜的尺度（戚伟 等，2017）。基于上述考虑，本文从县域尺度出发，刻画了2000—2020年中国人口老龄化的时空格局与区域差异，并采用分数响应回归模型，揭示了人口老龄化的影响因素。力求更新老龄化空间格局的研究时段，拓展老龄化成因的分析框架。
本研究发现老龄化分布呈三大地带梯度推移的总体分布格局，这与相关研究（许昕 等，2017）结果一致。省级尺度的研究通常仅关注于东中西三大地区老龄化差异，本文借助谢高地等（2012）提出的基于县域的生态区划方案，进行不同生态功能区人口老龄化的比较，发现青藏高寒生态大区、西北干旱区、横断山区等区域，人口老龄化程度较低，主要原因在于人口预期寿命较低，上述区域应着重改善人口聚居区的人居环境，增加优质医疗资源的供给，提升人口健康水平。省级尺度的研究表明社会经济要素是人口老龄化主要推动力量（王志宝， 2013）。县域尺度下，不同地区处于人口第一次转型与第二次转型相互叠加与交织的不同阶段，使得人口再生产类型差异更凸显，但与已有研究结论基本一致。当前，婚姻仍是中国生育行为发生的必要条件，随着人们进入婚姻的时间不断推迟，晚婚使得女性生育时间延迟，二胎及高胎次生育的减少使得生育率结构性、长期性地低于更替水平（於嘉 等，2019）。女性社会经济地位不断提高，传统婚配模式造成部分群体不婚率增加，进一步降低社会整体生育水平，从而推动老龄化程度的加深。本研究发现人口迁移流动重塑了老龄化的分布格局，这启示我们，对于人口大规模流入区域，老龄化程度虽然相对较低，但在不断推进市民化的进程中，未来老龄化将快速上升，此类区域应提前布局、倡导全生命周期健康管理的理念，推动健康老龄化。对于人口流出区域，人口老龄化进程处于加速状态，应及时采取措施，增加养老服务供给。其中，兴建充足的公办养老机构，承担兜底保障作用，为经济困难的空巢、留守、失能、残疾、高龄老年人以及计划生育特殊家庭老年人等提供服务。此外，农村地区人口老龄化进程显著加快，应探索村级邻里互助、农村幸福院等养老模式，构建农村互助式养老服务网络。同时，督促家庭成员履行赡养抚养义务，提供必要的援助服务，帮助解决基本生活安全问题等。
本文存在一定局限，首先，低生育背景下人口流动对老龄化的影响日益重要，本文对此进行简要分析。但须注意的是，流动人口的年龄结构在不断更替，流动人口的平均年龄（从1982年的28.2岁增加到2015年的31.0岁）和年龄中位数（从1982年的23.0岁增加到2015年的31.0岁）都在不断增加（段成荣 等，2019）。人口普查和人口抽样调查数据显示，2000、2010、2015、2020年人户分离人口中老年人口占比分别为2.44%、3.78%、4.21%和7.02%，呈持续上升趋势。可以预期的是，未来流动人口的年龄结构将持续老化，若能获取到各级空间尺度流动人口年龄结构数据，从流动人口规模和年龄结构2个视角出发，分析人口流动对区域老龄化进程的影响，将更有意义。其次，人口流动的空间模式正不断发生变化，人口回流、人口再流动，人口从乡城迁移逐步转向城城迁移，上述人口流动空间模式转型对人口老龄化的影响，仍无法进行细致分析。再次，影响人口老龄化的因素，还涉及到养老资源供给、多种环境暴露、各类政策制度的变更等（韦鑫 等，2022），受限于县域尺度数据的可获取性，本研究可能存在遗漏变量的情况。上述不足都需要在未来进一步检验和深入讨论。

1 https://www.resdc.cn/

武荣伟：论文选题、方案设计、逻辑梳理、论文写作与修改；

王堠崟：数据整理，数据分析，初稿写作；

王远鑫：图表制作；

陈 利：论文写作、概念构思、基金支持。

References

Publishing order | Descend order by publishing year | Descend order by cited within
敖荣军，常亮. 2020. 基于结构方程模型的中国县域人口老龄化影响机制. 地理学报，75（8）：1572-1584.

Ao Rongjun and Chang Liang. 2020. Influencing Mechanism of Regional Ageing in China Based on the Structural Equation Model. Acta Geographica Sinica, 75(8): 1572-1584.

Becker S O, Cinnirella F, and Woessmann L. 2010. The Trade-Off between Fertility and Education: Evidence from before the Demographic Transition. Journal of Economic Growth, 15(3): 177-204.

Browning M H E M, Rigolon A, and McAnirlin O. 2022. Where Greenspace Matters Most: A Systematic Review of Urbanicity, Greenspace, and Physical Health. Landscape and Urban Planning, 217(1): 104233.

陈明华，郝国彩. 2014. 中国人口老龄化地区差异分解及影响因素研究. 中国人口·资源与环境，24（4）：136-141.

Chen Minghua and Hao Guocai. 2014. Decomposition of Regional Differences and Influencing Factors of Aging Chinese Population. China Population, Resources and Environment, 24(4): 136-141.

陈蓉，王美凤. 2018. 经济发展不平衡、人口迁移与人口老龄化区域差异——基于全国287个地级市的研究. 人口学刊，40（3）：71-81.

Chen Rong and Wang Meifeng. 2018. Regional Differences in Unbalanced Economic Development, Population Migration and Population Aging: Based on 287 Prefecture-Level Cities in China. Population Journal, 40(3): 71-81.

陈新明，萧鸣政，张睿超. 2020. 城市“抢人大战”的政策特征、效力测度及优化建议. 中国人力资源开发，37（5）：59-69.

Chen Xinming, Xiao Mingzheng, and Zhang Ruichao. 2020. Policy Characteristics, Effectiveness Measurement and Optimization Suggestions of Urban "War for People". Human Resources Development of China, 37(5): 59-69.

陈淑云，李琪. 2022. 人才政策对流动人口落户决策的影响——基于全国199个地级市的证据. 江汉论坛，（5）：32-42.

Chen Shuyun and Li Qi. 2022. The Influence of Talent Policy on the Settlement Decision of Floating Population: Based on the Evidence of 199 Prefecture-Level Cities in China. Jianghan Tribune, (5): 32-42.

段成荣，谢东虹，吕利丹. 2019. 中国人口的迁移转变. 人口研究，43（2）：12-20.

Duan Chengrong, Xie Donghong, and Lyu Lidan. 2019. Migration and Transformation of Chinese Population. Population Research, 43(2): 12-20.

段成荣，黄凡，毕忠鹏，巫锡炜. 2021. 中国大陆1982—2010年各民族人口转变研究. 民族研究，（2）：39-56，140.

Duan Chengrong, Huang Fan, Bi Zhongpeng, and Wu Xiwei. 2021. Study on the Demographic Transition of Various Ethnic Groups in Chinese Mainland from 1982 to 2010. Ethno-National Studies, (2): 39-56, 140.

符宁，向梦航，程显通. 2020. 人均预期寿命影响因素研究——基于193个国家相关数据的分析. 人口学刊，42（5）：47-56.

Fu Ning, Xiang Menghang, and Cheng Xiantong. 2020. Research on the Influencing Factors of Life Expectancy: An Analysis Based on Relevant Data from 193 Countries. Journal of Demography, 42(5): 47-56.

国家统计局城市社会经济调查司. 2001—2021. 中国城市统计年鉴. 北京：中国统计出版社.

Department of Urban Socio-Economic Surveys, National Bureau of Statistics. 2001-2021. China City Statistical Yearbook. Beijing: China Statistics Press.

国家统计局国民经济综合统计司. 2001—2015. 中国区域经济统计年鉴. 北京：中国统计出版社.

Department of Comprehensive Statistics of National Economy, National Bureau of Statistics. 2001-2015. China Regional Economic Statistical Yearbook. Beijing: China Statistics Press.

国家统计局农村社会经济调查司. 2001—2021. 中国县域统计年鉴（县市卷）. 北京：中国统计出版社.

Department of Rural Social and Economic Survey, National Bureau of Statistics. 2001-2021. China Statistical Yearbook (County-Level). Beijing: China Statistics Press.

胡湛，彭希哲. 2018. 应对中国人口老龄化的治理选择. 中国社会科学，（12）：134-155，202.

Hu Zhan and Peng Xizhe. 2018. Governance Options for Coping with Aging Chinese Population. Social Sciences in China, (12): 134-155, 202.

胡述聚，李诚固，申庆喜，马佐澎. 2018. 长春市人口老龄化时空演变及空间类型研究. 人文地理，33（3）：104-111.

Hu Shuju, Li Chenggu, Shen Qingxi, and Ma Zuopeng. 2018. Spatial and Temporal Evolution and Spatial Type of Population Aging in Changchun. Human Geography, 33(3): 104-111.

孔令文，陈珍珍. 2015. 人口、经济因素对中国人口老龄化的影响——基于省际面板数据的经验分析. 东北大学学报（社会科学版），17（3）：252-259.

Kong Lingwen and Chen Zhenzhen. 2015. The Impact of Population and Economic Factors on the Aging of Chinese Population: An Empirical Analysis Based on Interprovincial Panel Data. Journal of Northeastern University (Social Science), 17(3): 252-259.

Li J M, Han X L, Zhang X X, and Wang S X. 2019. Spatiotemporal Evolution of Global Population Ageing from 1960 to 2017. BMC Public Health, 19(1): 127.

冷晨昕，周晓时，吴丽丽. 2021. 人力资本对农业劳动供给的影响——基于分数响应模型和无条件分位数回归模型. 经济问题探索，（2）：38-48.

Leng Chenxin, Zhou Xiaoshi, and Wu Lili. 2021. The Influence of Human Capital on Agricultural Labor Supply: Based on Fractional Response Model and Unconditional Quantile Regression Model. Inquiry into Economic Issues, (2): 38-48.

李婷. 2019. 中国成年人口预期寿命的地区差异分析——基于生命力死亡模型的分解. 中国人口科学，4：102-113，128.

Li Ting. 2019. Regional Differences in Life Expectancy in China: Decomposition Based on Vitality Death Model. Chinese Journal of Population Science, (4): 102-113, 128.

林宝. 2018. 人口老龄化城乡倒置：普遍性与阶段性. 人口研究，42（3）：38-50.

Lin Bao. 2018. Urban-Rural Inversion of Population Aging: Universality and Stage. Population Research, 42(3): 38-50.

刘涛，齐元静，曹广忠. 2015. 中国流动人口空间格局演变机制及城镇化效应——基于2000和2010年人口普查分县数据的分析. 地理学报，70（4）：567-581.

Liu Tao, Qi Yuanjing, and Cao Guangzhong. 2015. The Evolution Mechanism of Spatial Pattern of China's Migrant Population and Its Urbanization Effect: An Analysis Based on the Data of 2000 and 2010 Population Census by County. Acta Geographica Sinica, 70(4): 567-581.

刘涛，张家瑞，曹广忠. 2022. 人口流动对区域老龄化进程的影响——一个方法论探讨. 地理研究，41（10）：2680-2696.

Liu Tao, Zhang Jiarui, and Cao Guangzhong. 2022. The Impact of Population Mobility on Regional Aging Process: A Methodological Discussion. Geographical Research, 41(10): 2680-2696.

Balestat G, Paolantonio G D, and Lorenzoni L. 2020. Health Status. In: OECD/World Health Organization. "Ageing", in Health at a Glance: Asia/Pacific 2020: Measuring Progress Towards Universal Health Coverage. Paris: OECD Publishing.

Papke L E and Wooldridge J M. 2008. Panel Data Methods for Fractional Response Variables with an Application to Test Pass Rates. Journal of Econometrics, 145(1/2): 121-133.

戚伟，赵美风，刘盛和. 2017. 1982—2010年中国县市尺度流动人口核算及地域类型演化. 地理学报，72（12）：2131-2146.

Qi Wei, Zhao Meifeng, and Liu Shenghe. 2017. Accounting of Floating Population at County and City Scale and Evolution of Regional Types in China from 1982 to 2010. Acta Geographica Sinica, 72(12): 2131-2146.

Rogers A and Woodward J A. 1992. Tempos of Elderly Age and Geographical Concentration. The Professional Geographer, 44(1): 72-83.

宋健，张晓倩. 2021. 从人口转变到家庭转变：一种理论分析思路. 探索与争鸣，（1）：129-136，180.

Song Jian and Zhang Xiaoqian. 2021. From Population Transition to Family Transition: A Theoretical Analysis. Exploration and Free Views, (1): 129-136, 180.

唐家龙，马忠东. 2007. 中国人口迁移的选择性：基于五普数据的分析. 人口研究，（5）：42-51.

Tang Jialong and Ma Zhongdong. 2007. Selectivity of Chinese Port Migration: An Analysis Based on Wupu Data. Population Research, (5): 42-51.

United Nations. Department of International Economic and Social Affairs. 1956. The Aging of Populations and Its Economic and Social Implications. Population Studies, 26 (XIII): 6.

王录仓，武荣伟，刘海猛，周鹏，康江江. 2016a. 县域尺度下中国人口老龄化的空间格局与区域差异. 地理科学进展，35（8）：921-931.

Wang Lucang, Wu Rongwei, Liu Haimeng, Zhou Peng, and Kang Jiangjiang. 2016a. Spatial Pattern and Regional Differences of Chinese Population Aging at County Scale. Progress in Geography, 35(8): 921-931.

王录仓，武荣伟. 2016b. 中国人口老龄化时空变化及成因探析——基于县域尺度的考察. 中国人口科学，（4）：74-84，127.

Wang Lucang and Wu Rongwei. 2016b. Spatial-Temporal Changes and Causes of Aging in Chinese: An Investigation Based on County Scale. Chinese Journal of Population Science, (4): 74-84, 127.

王青，付雪婷，薛静，葛淼. 2004. 青藏高原气候与健康. 国外医学（医学地理分册），（2）：92-94，98.

Wang Qing, Fu Xueting, Xue Jing, and Ge Miao. 2004. Climate and Health of the Qinghai-Tibet Plateau. Foreign Medical Sciences(Section of Medgeography), (2): 92-94, 98.

王志宝，孙铁山，李国平. 2013. 近20年来中国人口老龄化的区域差异及其演化. 人口研究，37（1）：66-77.

Wang Zhibao, Sun Tieshan, and Li Guoping. 2013. Regional Differences and Evolution of Chinese Population Aging in Recent 20 Years. Population Research, 37(1): 66-77.

韦鑫，尹珂. 2022. 重庆市主城都市区人口老龄化与养老服务资源配置空间错位研究. 热带地理，42（12）：2020-2030.

Wei Xin and Yin Ke. 2022. Study on Population Aging and Spatial Dislocation of Elderly Care Service Resource Allocation in Chongqing's Main Metropolitan Area. Tropical Geography, 42(12): 2020-2030.

邬林果，武荣伟. 2023. 中国人口老龄化多尺度区域差异及动态演进. 资源开发与市场，39（3）：328-336.

Wu Linguo and Wu Rongwei. 2023. Multi-Scale Regional Differences and Dynamic Evolution of Chinese Aging Population. Resource Development & Market, 39(3): 328-336.

邬林果，武荣伟，杨德刚. 2024. 2000—2020年中国人口老龄化时空演变及影响因素研究. 世界地理研究，33（5）：163-176.

Wu Linguo, Wu Rongwei, and Yang Degang. 2023. Spatial-Temporal Evolution and Influencing Factors of Chinese Population Aging from 2000 to 2020. World Regional Studies, 33(5): 163-176.

吴连霞，吴开亚. 2018. 中国人口老龄化时空演化特征的比较分析——基于固定年龄与动态年龄指标的测算. 人口研究，42（3）：51-64.

Wu Lianxia and Wu Kaiya. 2018. Comparative Analysis of Spatial-Temporal Evolution Characteristics of Chinese Aging Population: Based on Fixed Age and Dynamic Age Indexes. Population Research, 42(3): 51-64.

谢高地，张昌顺，张林波，苏德，曹淑艳，冷允法，肖玉. 2012. 保持县域边界完整性的中国生态区划方案. 自然资源学报，27（1）：154-162.

Xie Gaodi, Zhang Changshun, Zhang Linbo, Su De, Cao Shuyan, Leng Yunfa, and Xiao Yu. 2012. China's Ecological Zoning Scheme to Maintain the Integrity of County Boundaries. Journal of Natural Resources, 27(1): 154-162.

许昕，赵媛，张新林，张秀改. 2017. 江苏省人口老龄化空间分异演变及影响因素. 地理科学，37（12）：1859-1866.

Xu Xin, Zhao Yuan, Zhang Xinlin, and Zhang Xiugai. 2017. Spatial Differentiation Evolution and Influencing Factors of Population Aging in Jiangsu Province. Scientia Geographica Sinica, 37(12): 1859-1866.

许昕，赵媛，夏四友，武荣伟，张新林. 2020. 中国分县城乡人口老龄化时空差异与机理. 经济地理，40（4）：164-174.

Xu Xin, Zhao Yuan, Xia Siyou, Wu Rongwei, and Zhang Xinlin. 2020. Spatial and Temporal Characteristics and Mechanism of Urban and Rural Population Ageing in China. Economic Geography, 40(4): 164-174.

习近平. 2022. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告. 中华人民共和国国务院公报，（30）：4-27.

Xi Jinping. 2022. Hold High the Great Banner of Socialism with Chinese Characteristics and Strive in Unity to Build a Modern Socialist Country in All Respects-Report to the 20th National Congress of the Communist Party of China. State Council Gazette, (30): 4-27.

于涛方. 2013. 中国城市老龄化空间特征及相关因素分析——基于“五普”和“六普”人口数据的分析. 城市规划学刊，（6）：58-66.

Yu Taofang. 2013. Analysis of Spatial Characteristics and Related Factors of Urban Aging in China: Analysis Based on Population Data of "the Fifth Population Census of China" and "the Six Population Census of China". Urban Planning Forum, (6): 58-66.

原新，刘士杰. 2009. 1982—2007我国人口老龄化原因的人口学因素分解. 学海，（4）：140-145.

Yuan Xin and Liu Shijie. 2009. Decomposition of Demographic Factors of Population Aging in China, 1982-2007. Academia Bimestris, (4): 140-145.

於嘉，谢宇. 2019. 中国的第二次人口转变. 人口研究，43（5）：3-16. [Yu Jia and Xie Yu. 2019. China's Second Demographic Transition. Population Research, 43(5): 3-16.]

张航空. 2015. 人口流动对中国不同省份人口老龄化的影响. 人口学刊，37（1）：95-102.

Zhang Hang. 2015. The Impact of Population Migration on Population aging in Different Provinces of China. Population Journal, 37(1): 95-102.

张丽萍，王广州. 2020. 女性受教育程度对生育水平变动影响研究. 人口学刊，42（6）：19-34.

Zhang Liping and Wang Guangzhou. 2020. The Influence of Female Education Level on Fertility Level Change. Population Journal, 42(6): 19-34.

张伟，蒲春蓉，黎芳，范紫琳. 2021. 中国人口老龄化城乡倒置现象的时空演变特征及其驱动机制. 热带地理，41（5）：928-942.

Zhang Wei, Pu Chunrong, Li Fang, and Fan Zilin. 2021. Spatial-Temporal Evolution Characteristics and Driving Mechanism of Urban-Rural Inversion Phenomenon of Aging in Chinese Mouth. Tropical Geography, 41(5): 928-942.

张震. 2022. 新中国人口健康转变：卫生治理与健康策略协同演进的成就. 中国人口科学，（5）：32-47，126-127.

Zhang Zhen. 2022. New Chinese Health Transformation: Achievements of the Collaborative Evolution of Health Governance and Health Strategy. Chinese Journal of Population Science, (5): 32-47, 126-127.

赵东霞，韩增林，任启龙，刘万波，裴倩. 2018. 市域人口老龄化空间特征与养老资源匹配关系研究——以东北三省为例. 资源科学，40（9）：1773-1786.

Zhao Dongxia, Han Zenglin, Ren Qilong, Liu Wanbo, and Pei Qian. 2018. Study on the Relationship between Spatial Characteristics of Urban Population Aging and Matching of Pension Resources: A Case Study of Three Northeast Provinces. Resources Science, 40(9): 1773-1786.

赵东霞，韩增林，王利. 2017. 中国老年人口分布的集疏格局及其形成机制. 地理学报，72（10）：1762-1775.

Zhao Dongxia, Han Zenglin, and Wang Li. 2017. Distribution Pattern and Formation Mechanism of Elderly Population in China. Acta Geographica Sinica, 72(10): 1762-1775.

周晓蒙，裴星童. 2022. 高等教育对女性生育水平的影响机制研究. 人口与发展，28（6）：46-58.

Zhou Xiaomeng and Pei Xingtong. 2022. Research on the Influence Mechanism of Higher Education on Female Fertility Level. Population and Development, 28(6): 46-58.

周皓. 2023. 我国流动人口年龄别流动率模式及其演变. 华东师范大学学报（哲学社会科学版），55（1）：185-201，206.

Zhou Hao. 2023. Age-Specific Mobility Rate Model and Its Evolution of Migrant Population in China. Journal of East China Normal University(Humanities and Social Sciences), 55(1): 185-201, 206.

朱宇，林李月，柯文前. 2016. 国内人口迁移流动的演变趋势：国际经验及其对中国的启示. 人口研究，40（5）：50-60.

Zhu Yu, Lin Liyue, and Ke Wenqian. 2016. The Evolution Trend of Domestic Migration and Migration: International Experience and Its Implications for China. Population Research, 40(5): 50-60.

Options
Outlines

/

〈 〉